专利名称：基于多项式拟合的规则线性干扰压制方法
技术领域：
本发明涉及石油地震勘探，属于地震勘探资料处理与解释领域，更具体地讲，本发明涉及一种规则线性干扰压制方法。
背景技术：
复杂山地地震资料噪声来源十分复杂，噪声对有效波有较强的干扰，尤其是地震资料中普遍存在着相当严重的规则线性干扰，如浅层强能量的地表多次折射波和规则线性干扰，中、深层的强声波干扰，以及频带很宽的地表直达波等。一般情况下，这些干扰破坏了有效反射信号，严重时覆盖了整个地震记录，完全淹没了有效信号，大大降低了地震资料的信噪比。对这些干扰，常规的处理方法是采用f_k滤波法，T -P变换，中值滤波法，速度陷波法等。这些方法虽然对规则线性干扰的消除有一定的作用，但它们本身都存在一定的局限性。如f_k滤波技术要求均匀的空间采样，而陆地数据尤其3D数据常常难以满足这一苛刻条件；经典的T -P变换也存在同样的问题；速度陷波滤波器则要求满足噪声为线状噪声的这一条件。这些方法都对道间振幅的变化相当敏感，即使细微的变化也会使滤波的效果变得极差。所以如果这些规则线性干扰不能得到很好的压制，最终会影响地震记录的叠加成像质量及地震剖面的横向分辨率。因此，需要一种能够很好地压制这些规则线性干扰的方法。
发明内容
本发明提供了一种能够针对复杂山地低信噪比资料中的规则线性干扰压制方法，从而提高地震数据的处理质量。为了实现上述目的，提供了一种基于多项式拟合的规则线性干扰压制方法，包括(a)采集地震数据，并人工识别规则线性干扰的视速度范围和频率范围。(b)利用小波变换对采集的地震数据进行分频处理，从而地震数据被分为低频地震数据和高频地震数据；(C)根据噪声数据的视速度范围，确定噪声数据的视倾角范围，对分频后的低频地震数据在某个视倾角下进行视倾角最佳中值扫描，确定当前视倾角下的规则线性干扰的最佳方向；(d)沿规则线性干扰的最佳方向对噪声数据进行多项式拟合，拟合出此视倾角下不含有效信号的规则干扰；(e)确定低频地震数据中的所有规则线性干扰是否都被拟合出来，如果没有都被拟合出来，则返回步骤(C)，如果全部都被拟合出来，则执行步骤(f) ;(f)对分频出来的原始低频地震数据减去拟合出来的规则干扰数据，得到压制规则干扰后的低频地震数据；(g)把压制规则干扰后的低频地震数据和分频后的原始高频地震数据，通过小波变换进行重构，最终得到经过多项式拟合规则噪声压制后的地震数据。优选地，在步骤(b)中，利用小波变换将采集的地震数据进行分频处理为低频低波数分量、低频高波数分量、高频低波数分量和高频高波数分量，并提取其中的低频低波数 分量和低频高波数分量。优选地，视倾角最佳中值扫描基于两个假设条件(I)在地震记录中，沿着某一个视倾角方向取一组样点值组成一个序列Ixi,J，其中i为道号，t为时间，如果Ixi,J中只有随机噪声，当i足够大时，则{Xi,t}的中值为零；(2)如果在Ixi,J中既有相干信号，又有随机噪声，则Ixi,J的中值是该序列取值方向的相干信号。优选地，根据下述等式(I)来确定出视速度下的视倾角范围视倾角=(1000X道间距)/视速度(I)。优选地，当视倾角范围确定后在指定的视倾角范围内进行扫描，求取一个中值序列Irn^，其中j为扫描序号，通过下面的等式⑵来从中值序列Irn^中找到最佳中值Mtl c0 = max {cj}(2) 其中，Cj是％_与Ixi,J的相关系数，由ImjI与Ixi,J可获得一个相关系数序列{Cj}，从而求取Icj的最大值X(l，Co所对应的中值就是要求取的最佳中值Mc^
图I是根据本发明的基于多项式拟合的规则线性干扰压制方法的流程图。图2是描述根据本发明第一示例性实施例的基于多项式拟合的规则线性干扰压制方法运用于含一个规则线性干扰、两层有效同相轴的理论模型的示例的示图。图3是描述根据本发明第二示例性实施例的基于多项式拟合的规则线性干扰压制方法运用于二维叠前实际资料的示图。图4是描述根据本发明第三示例性实施例的基于多项式拟合的规则线性干扰压制方法运用于三维叠前实际资料的示图。
具体实施例方式现在,详细描述本发明的实施例，其不例在附图中表不，其中，相同的标号始终表示相同的部件。以下通过参考附图描述实施例以解释本发明。多项式拟合技术是假设信号在各道上出现时间符合一个待定的多项式，而不采用时间相同或线性变化的假设，同时假设各道的振幅变化也可用一个多项式来近似，这样相关性较好的规则线性干扰就可以通过一个多项式拟合出来，从而可以进行规则线性干扰压制处理，原始数据与拟合出的规则线性干扰数据之差就得到去噪后的数据，这样处理后的数据尽可能地保持了原始的分辨率，数据的信噪比有很大提高，且数据的高频成分不受损失，能保持原有信号的分辨率，同时也能保持原始各道的相对振幅，具有较高的保真度。图I是根据本发明的基于多项式拟合的规则线性干扰压制方法的流程图，该方法包括以下步骤在步骤S101，采集地震数据，并人工识别规则线性干扰的视速度范围和频率范围。在步骤S102，利用小波变换对采集的地震数据进行分频处理，从而地震数据被分为低频地震数据和高频地震数据；在步骤S103，根据噪声数据的视速度范围，确定噪声数据的视倾角范围，对分频后的低频地震数据在某个视倾角下进行视倾角最佳中值扫描，确定当前视倾角下的规则线性干扰的最佳方向；在步骤S104，沿规则线性干扰的最佳方向对噪声数据进行多项式拟合，拟合出此视倾角下不含有效信号的规则干扰；
在步骤S105，确定低频地震数据中的所有规则线性干扰是否都被拟合出来。如果没有都被拟合出来，则返回步骤S103。如果全部都被拟合出来，则执行步骤S106。在步骤S106，对分频出来的原始低频地震数据减去拟合出来的规则干扰数据，得到压制规则干扰后的低频地震数据。在步骤S107，把压制规则干扰后的低频地震数据和分频后的原始高频地震数据，通过小波变换进行重构，最终得到经过多项式拟合规则噪声压制后的地震数据。
下面将分别对上述各步骤进行详细描述。对步骤SlOl (即采集地震数据，并人工识别规则线性干扰的视速度范围和频率范围)和步骤S102 (即，利用小波变换对采集的地震数据进行分频处理，从而地震数据被分为低频地震数据和高频地震数据)进行详细描述。叠前规则线性干扰如地表折射多次波、规则线性干扰和声波及直达波等，由于传播机理各不相同，使得它们相互之间以及与有效反射波之间存在诸多方面的差异，其显著特征之一就是频谱的衰减规律有较大不同，即不同的干扰波，其优势频段各不相同。因此，针对不同的规则线性干扰，在各自的优势频带范围内进行识别，不仅可以更准确地识别出规则线性干扰波，而且可以保证其它频段内的有效信号不受影响，使处理结果具有更高的保真度，而规则线性干扰一般集中于地震数据所有频率中的低频部分。小波变换是一种时间窗和频率窗都可以改变的时频局部化分析方法。具有多分辨率的特点，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。由于小波变换的频域和时域可调，可以解决傅立叶变换不能解决的问题，同时小波变换具备时域-频域的双重良好的局部性和随尺度变化的自动调焦功能，使得它在叠前分频处理方面具有独特的优势。利用小波变换可以将x_t域的地震记录转换到二维小波变换域，即时间、频率、空间和波数四维域中，得到4个小波系数分量，即低频低波数分量、低频高波数分量、高频低波数分量和高频高波数分量。因为规则线性干扰主要集中在低频低波数分量和低频高波数分量中，因此只需对低频低波数分量和低频高波数分量做规则干扰压制处理，然后进行信号重构，即可消除信号中的规则线性干扰于扰。如果一次分解没有将规则线性干扰完全分离出来，可以继续进行分解。此时只需对第一次分解的低频低波数分量再进行二维小波分解，同样分离出4个小波系数分量，将低频低波数分量和低频高波数分量做规则干扰压制处理，然后与第一次分解得到的其余小波系数分量进行信号重构，即获得了消除规则线性干扰的记录。理论上，分离规则线性干扰的迭代过程可以无限进行下去，直到规则线性干扰被完全分离为止。通过小波变换就可以找出数据中含规则线性干扰的低频数据，而高频数据部分是只含有效信号的数据，不进行噪声处理，从而有效的保护了高频部分的有效信号。下面对步骤S103( S卩，根据噪声数据的视速度范围，确定噪声数据的视倾角范围，对分频后的低频地震数据在某个视倾角下进行视倾角最佳中值扫描，确定当前视倾角下的规则线性干扰的最佳方向)进行详细描述。在地震记录中，有效反射波以及各种规则干扰波具有很强的相干性，都可看成是一种相干信号，在理想情况下，我们顺着某一组相干信号的同相轴取数，获得一个样点序列IxiK在有限区间内，IxJ可以看成是一个常数序列。事实上，在地震记录中，不仅存在随机噪声，而且还存在许多不同视倾角的规则干扰信号。如果我们只希望预测某一个视倾角的规则干扰信号，那么其它规则干扰信号相对该视倾角规则干扰信号均可看成是随机噪声。视倾角最佳中值扫描法基于两个假设条件(I)在地震记录中，沿着某一个视倾角方向取一组样点值组成一个序列Ixi, J (其中i为道号，t为时间)，如果Ixi, J中只有随机噪声，当i足够大时，则Ixi,J的中值为零。(2)如果在Ixi,J中既有相干信号，又有随机噪声，则Ui,J的中值是该序列取值方向的相干信号。在地震记录中，我们所希望预测的规则干扰信号的视倾角是千变万化的，让计算机自动地沿着我们所希望的视倾角方向取序列Ixi,J是一个难以解决的技术问题。但是通过人工识别的视速度范围根据下述等式(I)来确定出视速度下的视倾角范围视倾角=(1000 X道间距)/视速度(I)当视倾角范围确定后让计算机在指定的视倾角范围内进行扫描，求取一个中值序 列Irn^ (其中j为扫描序号)。并从该中值序列{mj中获得最佳中值，该最佳中值对应的 倾角即为最佳视倾角。下面描述如何从中值序列In^中找到最佳中值凡。由条件⑵(即，如果在Ixi, J中既有相干信号，又有随机噪声，则Ixi, J的中值是该序列取值方向的相干信号)可知=Mtl就是我们所求取的规则干扰信号，S卩，M0与Ixi,t}的相关系数达到最大。因此，我们可以用求取最大相关系数的方法来从Irn^中找到凡。设Cj是Hij与{Xi,t}的相关系数，由{mj}与Ixi,t}可获得一个相关系数序列IcJ。求取Icj的最大值Ctl,即
权利要求
1.一种基于多项式拟合的规则线性干扰压制方法，包括 (a)采集地震数据，并人工识别规则线性干扰的视速度范围和频率范围； (b)利用小波变换对采集的地震数据进行分频处理，从而地震数据被分为低频地震数据和高频地震数据； (C)根据噪声数据的视速度范围，确定噪声数据的视倾角范围，对分频后的低频地震数据在某个视倾角下进行视倾角最佳中值扫描，确定当前视倾角下的规则线性干扰的最佳方向； (d)沿规则线性干扰的最佳方向对噪声数据进行多项式拟合，拟合出此视倾角下不含有效信号的规则干扰； (e)确定低频地震数据中的所有规则线性干扰是否都被拟合出来，如果没有都被拟合出来，则返回步骤(C)，如果全部都被拟合出来，则执行步骤(f); (f)对分频出来的原始低频地震数据减去拟合出来的规则干扰数据，得到压制规则干扰后的低频地震数据； (g)把压制规则干扰后的低频地震数据和分频后的原始高频地震数据，通过小波变换进行重构，最終得到经过多项式拟合规则噪声压制后的地震数据。
2.如权利要求I所述的规则线性干扰压制方法，其中，在步骤(b)中，利用小波变换将采集的地震数据进行分频处理为低频低波数分量、低频高波数分量、高频低波数分量和高频高波数分量，并提取其中的低频低波数分量和低频高波数分量。
3.如权利要求I所述的规则线性干扰压制方法，其中，视倾角最佳中值扫描基于两个假设条件(I)在地震记录中，沿着某一个视倾角方向取ー组样点值组成ー个序列Ixi,t}，其中i为道号，t为时间，如果Ixi,J中只有随机噪声，当i足够大时，则Ixi,J的中值为零；(2)如果在Ixi, J中既有相干信号，又有随机噪声，则Ixi, J的中值是该序列取值方向的相干信号。
4.如权利要求3所述的规则线性干扰压制方法，其中，根据下述等式(I)来确定出视速度下的视倾角范围 视倾角=(1000 X道间距)/视速度(I)。
5.如权利要求4所述的规则线性干扰压制方法，其中，当视倾角范围确定后在指定的视倾角范围内进行扫描，求取一个中值序列Irn^，其中j为扫描序号，通过下面的等式(2)来从中值序列In^中找到最佳中值Mtl: Cq — ITlclX {。ゴ}(2) 其中，4是与Ixi, J的相关系数，由{1 }与Ixi, J可获得ー个相关系数序列Icj，从而求取Icj的最大值Ctl, Ctl所对应的中值就是要求取的最佳中值凡。
6.如权利要求5所述的规则线性干扰压制方法，其中，步骤(d)包括如下步骤 在某一种数据集上，用下面的正交多项式(3)来描述地震波的到达相位时间的表达式 T U) = a0+a1p1 (X) +a2p2 (x；M其中，在上述等式(3)中T为拟合时间函数；a1;a2分别为一次和二次多项式的系数,Btl为初始拟合时窗的中心位置；X为观测点横坐标，且X = -M, -M+1,......, -1,0,1,......M，M取拟合道数的1/2，P1(X)，p2(X)为彼此正交的正交多项式， 以时窗扫描的形式，利用式(4)对线性干扰进行相位时间的二次多项式扫描，
全文摘要
本发明提供了一种基于多项式拟合的规则线性干扰压制方法，包括(a)人工识别规则线性干扰的视速度范围；(b)利用小波变换对采集的地震数据进行分频处理为低频数据和高频数据；(c)根据噪声数据的视速度范围，确定噪声数据的视倾角范围，进行视倾角最佳中值扫描，确定当前视倾角下的规则线性干扰的最佳方向；(d)沿规则线性干扰的最佳方向对噪声数据进行多项式拟合；(e)重复步骤(c)和(d)，直到低频数据中的所有规则线性干扰被拟合出来；(f)对分频出来的原始低频数据减去拟合出来的规则干扰数据，得到压制规则干扰后的低频数据；(g)把压制规则干扰后的低频数据和分频后的原始高频数据，最终得到经过多项式拟合规则噪声压制后的地震数据。
文档编号G01V1/36GK102681014SQ20121016133
公开日2012年9月19日 申请日期2012年5月23日 优先权日2012年5月23日
发明者何光明, 尹陈, 张华 , 曹中林, 王珑, 罗红明, 金德刚, 陈爱萍 申请人:中国石油集团川庆钻探工程有限公司地球物理勘探公司